当声音和身份也可以被技术仿造

——我们还能依靠什么来判断“对方是谁”

《在美华人金融安全与反诈骗》系列之七

很多在美华人第一次真正意识到“事情不对劲”，并不是因为对方说错了什么。而是因为，对方说得太对了。声音很像，说话方式很像，知道你的关系，知道你的处境，知道你正在做什么。他们自称是你的孩子、朋友、老板、同事、律师、会计、银行经理，甚至是你已经存过电话的那个人。而这一切，在今天，已经不再需要这个人真的存在。

过去很长一段时间里，人们判断“是谁”，最重要的依据之一就是声音。电话里能听出来，语音一放就知道，说话的节奏、口音、习惯用语，很难完全伪造。也正因为如此，很多重要关系、紧急事务、临时处理，都长期建立在“我听得出来是你”之上。但这一前提，正在快速失效。今天的语音合成技术，已经可以用极少的样本，生成高度逼真的声音模型。几秒钟的公开视频、几条语音消息，就足以训练出一个可以“说任何话”的声音。从技术上讲，声音已经从“个人特征”，变成了“可复制资源”。这意味着：你听到的，不再等于“这个人正在说话”。

更危险的，并不仅是声音。在真实诈骗中，“身份”已经越来越少以“我是谁”出现，而是以一整套熟悉感出现。对方知道你有几个孩子，住在哪个城市，最近在处理什么事，和谁关系亲近，平时怎么说话。这些信息，有些来自社交平台，有些来自信息泄露，有些来自长期铺垫，有些来自前期试探。当这些碎片被拼接在一起，“身份”就不再只是一个名字，而是一种可以被搭建出来的存在感。在这种情况下，即使没有 AI，很多诈骗已经足以让人放下防备。而当技术加入之后，这种拼接几乎不再有明显破绽。

近几年在华人社区中，越来越多严重损失案件，来自所谓的“熟人场景”。不是陌生号码，不是奇怪故事，而是：“孩子出事了。”“我在处理紧急情况。”“先帮我垫一下。”“现在不方便说太多。”这些场景的共同点是：它们绕过判断，直接调动关系。关系一旦被调动，人就很难再以“风险对象”的方式看待对方。而当声音、头像、说话方式都可以被技术模仿时，“熟人场景”就不再需要真实的熟人。它只需要一个可被调用的身份模板。

在前几篇中，这个系列不断在做一件事：把判断从“话术”和“形象”，转移到“结构”和“流程”。第七篇，其实是在同一条线上往前走一步：当身份本身开始不可靠，判断就不能再建立在“对方是谁”上。你不能再问的第一个问题是：“这是不是他？”而应该是：“为什么是用这种方式联系我？”“为什么这件事必须现在处理？”“为什么不能换一个我能核实的渠道？”“为什么要绕开原有关系网络？”换句话说，判断要从“对象”，转向“关系结构”。

当技术可以仿造声音、生成影像、模拟互动，唯一还没有被数字化完全取代的，是现实世界的结构。真实的人，存在于多个关系网络中。真实的紧急情况，允许你联系第三方。真实的事务，可以通过独立渠道核实。真实的系统，不怕你慢，不怕你确认，不怕你打断流程。而几乎所有“熟人诈骗”，都会试图切断这些现实连接：不要告诉别人，不方便接视频，不能走原来渠道，现在只能这样处理。这些要求，本身就是身份不成立的信号。

在今天这个阶段，防范“AI 诈骗”，并不靠识别真假声音，也不靠训练耳朵。因为这场能力竞赛，普通人注定会输。真正有效的，是建立新的判断重心：不再用“像不像”，而用“合不合理”；不再用“是不是他”，而用“结构对不对”；不再用“关系感觉”，而用“现实验证”。当声音可以被生成，身份可以被模拟，唯一还难以被伪造的，是现实中的核实路径。

当身份开始不可靠，三条必须升级的判断底线

第一，任何涉及钱、身份、风险的紧急请求，都必须脱离原对话核实。哪怕声音再像，也要通过你自己掌控的方式确认：回拨已知号码、联系第三方、视频确认、线下核实。

第二，真正的熟人，不会害怕你求证。凡是阻止你核实、催促你行动、要求保密的“熟人”，都应该默认高风险。

第三，把信任从“感觉正确”，转为“结构成立”。问清楚：这件事是否符合他的位置？是否符合制度流程？是否可以通过现实世界的多个点被验证？

在一个声音和身份都可以被仿造的时代，真正需要保护的，不只是钱。还有你判断“谁在与你说话”的能力。

下一篇，将继续回到另一条同样危险的线：当身份被盗用，SSN、信用与金融记录如何成为长期诈骗的入口。

文｜ 语间